Explain What You Mean: Intent Augmented Knowledge Graph Recommender Built With LLM
Created by
Haebom
저자
Wenqing Zheng, Noah Fatsi, Daniel Barcklow, Dmitri Kalaev, Steven Yao, Owen Reinert, C. Bayan Bruss, Daniele Rosa
개요
본 논문은 추천 시스템에서의 상호작용 희소성 문제를 해결하기 위해 LLM(Large Language Model) 기반의 Intent Knowledge Graph Recommender (IKGR) 프레임워크를 제안합니다. IKGR은 검색 증강 생성 및 인코딩 기법을 활용하여 지식 그래프를 구축하고 밀도화하여 희소성 문제를 해결합니다. 특히, 상호 의도 연결성을 통해 잠재적인 사용자-아이템 친화도를 학습하고 해석 가능한 임베딩 변환 계층을 통해 의도 기반 추천을 수행합니다. 실제 데이터셋을 이용한 실험 결과, IKGR은 기존 최첨단 기법보다 성능이 우수함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 추천 시스템의 희소성 문제를 효과적으로 해결하는 새로운 방법 제시.
◦
검색 증강 생성 및 인코딩 기법을 통해 지식 그래프를 효율적으로 구축 및 밀도화.
◦
의도 기반 추천을 통해 해석 가능성을 높이고, 사용자의 의도를 더욱 잘 반영하는 추천 가능.
